Déduire l’arbitrage à sens unique des transactions anonymes sur les plateformes crypto

Résumé

Cette étude présente une méthode pour repérer de probables séquences d’arbitrage à sens unique (OWA) dans les historiques de transactions au comptant des plateformes centralisées de cryptomonnaies, dont les données publiques ne contiennent ni identifiants de traders ni adresses de portefeuilles. L’approche déduit les liens entre transactions anonymisées afin d’estimer la fréquence de cette activité, son volume total et ses profits.

Appliquée à cinq années de données Binance et neuf années de données Kraken, la méthode repère des centaines de millions de séquences probables sur Binance et près de deux millions sur Kraken. Les profits totaux estimés sont positifs, mais le profit moyen par séquence est inférieur à un dollar après frais. L’étude indique également que les séquences se sont accélérées au fil du temps, tandis que leur rentabilité individuelle diminuait. Il s’agit de schémas déduits, et non de traders identifiés directement ; le résumé ne détaille ni les règles de détection ni l’incertitude entourant les estimations. Les résultats signalent des écarts de prix récurrents, mais ne déterminent pas dans quelles conditions de marché certaines séquences deviennent rentables.

Idées clés

• Les transactions au comptant anonymes peuvent être analysées pour déduire de probables séquences d’arbitrage à sens unique.
• L’étude applique sa méthode aux historiques de transactions de Binance et Kraken.
• Des profits totaux estimés coexistent avec un profit moyen par séquence très faible après frais.
• Les séquences déduites se sont accélérées tandis que leur rentabilité individuelle diminuait.
• Les conditions précises permettant un arbitrage rentable restent indéterminées.

Étiquettes

# A Truckload of Satoshis: Detecting and Measuring One-Way Arbitrage in the Wild


# A Truckload of Satoshis: Detecting and Measuring One-Way Arbitrage in the Wild









Centralized cryptocurrency exchanges (CEXes) enable fast off-chain conversions between hundreds of coins. It is an open question which algorithmic trading patterns occur on these platforms. A major challenge to measuring CEXes is that their public trade data does not contain addresses or trader identifiers allowing linkage. We propose a novel methodology to infer one-way arbitrage (OWA) trading in anonymized spot trade data from CEXes. We identify 402 M likely OWA sequences in 5 years of trading on Binance (and almost 2 M during 9 years on Kraken), accounting for 0.94 % and 0.13 % of the total traded volume, respectively. While we estimate total profits of $31.2 M on Binance and $975 k on Kraken, profits from individual OWA sequences are less than $1 on average after accounting for trading fees. We also observe that OWA has become faster over time, while the profitability of individual sequences has decreased. Our findings highlight that pricing discrepancies regularly occur in CEXes, and raise questions for future work to identify the precise circumstances that enable profitable OWA.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.